基于局部增强图像分割.doc

目录 一、课题简介 2 二、常见的图像分割算法 3 1、双峰法 3 2、迭代法 5 3、最大类间方差法 6 4、边缘检测 7 4.1 梯度算子 8 4.2 拉普拉斯算子 9 4.3 Canny算子 9 4.4 结果分析 10 5全局阈值分割 11 三、局部增强对图像分割的影响 12 1、迭代法对于图像的分割 12 2、局部增强对图像分割 13 四、国内外研究现状 15 五、图像分割技术的研究背景及意义 15 六、应用前景 16 七、课程总结 17 八、参考文献 17 附件 18 基于局部增强的图像分割 一、课题简介 图像的研究和应用中，人们往往对图像中的某些部分感兴趣，这些感兴趣的部分一般对应图像中特定的、具有特殊性质的区域（可以对应单一区域，也可以对应多个区域），称之为目标或前景；而其他部分称为图像的背景。为了辨识和分析目标，需要把目标从一幅图像中孤立出来，这就是图像分割要研究的问题。 图像作为一个整体 ，有丰富的内容和色彩 ，我们所需要的目标和背景与整幅网像融为一体 ，不利于进行图像处理 ，因此 ，先将图像划分成若干个与物体目标相对应的区域 ，根据目标和背景的先验知识 对图像中的目标与背景进行 标识 、定位 ，将目标从背景或其 他伪目标中分离出来 ，这种疗法称为图象分割 。 图象分割而成的区域所包含的信息包括了分区分割和对各分区的描述 ，利用这些区域中所包含的部分特征，例如灰度差别、局部纹理差别、彩色差别、局部统汁特征或局部区域的频谱特征的差别等，可以用来区分整幅图象种不同的目标物体 ，这些区域称为感兴趣区。因为我们是利用图象信息中的部分特征去进行区域分割，所以这样的分割方法并不具有通用性。 图像分割是一种重要的图像技术，在理论研究和实际应用中都得到了人们的广泛重视。图像分割是把图像中有意义的特征区域或者把需要的应用的特征区域提取出来。阈值分割是一种简单有效的图像分割方法。它对物体与背景又较强对比的图像分割特别有效，所有灰度值大于或等于阈值的像素被判决属于物体。为常见的阈值分割方法有全局阈值、自适应阈值。最佳阈值的选择有直方图技术、最大类间方差法（OTSU）、迭代法。 图像分割在不同的领域也有其它的名称，如目标轮廓技术、目标检测技术、阈值化技术、目标跟踪技术等，这些技术本身或其核心实际上也就是图像分割技术。 二、常见的图像分割算法 1、双峰法 该阈值法的依据是图像的直方图，通过对直方图进行各种分析来实现对图像的分割。图像的直方图可以看作是像素灰度值概率分布密度函数的一个近似，设一幅图像仅包含目标和背景，那么它的直方图所代表的像素灰度值概率密度分布函数实际上就是对应目标和背景的两个单峰分布密度函数的和。图像二值化过程就是在直方图上寻找两个峰、一个谷来对一个图像进行分割，也可以通过两级函数来近似直方图。 若灰度图像的直方图，其灰度级范围为，当灰度级为k时的像素数为，则一幅图像的总像素数N如式4-2所示： （4-2） 灰度级i出现的概率如4-3所示： （4-3） 当图像的灰度直方图为双峰分布的时候，图像的内容大致为两部分，分别为灰度分布的两个山峰的附近。因此直方图左侧山峰为亮度较低的部分，这部分恰好对应于画面中较暗的背景部分；直方图右侧山峰为亮度较高的部分，对应于画面中需要分割的目标。选择的阈值为两峰之间的谷底点时，即可将目标分割出来。 双峰法在当被分割图像的灰度直方图中呈现出明显、清晰的两个波峰时，使用该方法可以达到较好的分割精度。但是，阈值分割算法的交互性比较差。尽管可以通过人工参与、交互设定阈值，但设定阈值后分割效果如何，也需要通过人工观察图像分割结果来判断。此外，该方法的抗噪性较差，当被分割对象存在较强噪声时，分割效果会受到很大的影响。 I=imread(F:/shuzi/1.jpg); I=rgb2gray(I); subplot(1,3,1),imhist(I);title(灰度化直方图); newI=im2bw(I,125/255); subplot(1,3,2),imshow(I);title(灰度化图像); subplot(1,3,3),imshow(newI);title(分割结果); 结果分析：从图中的仿真结果可以发现，这是一种有效且简单的阈值分割方法，只需要将灰度直方图上两个波峰之间的谷底选择为分割阈值，即选择阈值为125，就可以将对象从背景中分割出来了，得到所示的分割结果。但是在图中也可以看出，这种方法有局限性，就是要求图像的灰度直方图必须具有双峰性，也就是说，图像的目标和背景必须形成较大的反差，如该图中，建筑和背景灰度差距不是很大，所以得到的仿真结果并不是最佳的。 2、迭代法 迭代法选取阈值的方法为：初